선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 후광 현상과 같은 문제를 제거하기 위해서 여러 번 필터를 적용시켜야 하므로 계산속도 면에서는 이득을 볼 수 없다. 따라서 본 논문에서는 계산 속도를 개선하기 위해 계층적 구조를 제안한다.
- 최근에는 한 개의 영상을 통해 안개를 제거하고 영상을 복원하는 방법이 제안되고 있다. 본 논문에서는 He 등이 제안한 한 개의 영상을 통해 안개를 제거하는 방법을 개선하여 더 빠른 연산속도를 가지는 방법을 제안하였다.
- 본 논문에서는 기존 논문에서 제시한 dark channel prior 방법을 개선하여 빠른 계산 속도 및 적은양의 메모리를 사용하는 계층적 bilateral filtering 방법을 제안 하였다. 기존의 방법과 비교하여 매우 많은 계산 속도 향상을 가져왔음을 확인할 수 있었다.
- 구체적으로 그림 4의 두 번째 열에서 하얀 색으로표시된 각 엣지 픽셀을 세 번째 열에서 적색으로 표시된 영역으로 확장하여 필터를 적용한다. 본 논문에서는 엣지 픽셀 주변의 확장하는 영역의 크기를 bilateral 필터가 사용하는윈도우 크기와 동일하게 설정한다. 즉 각 픽셀 p는 아래의 조건을 만족하면 bilateral 필터로 처리된다.
- 본 절에서는 우리가 개선하는 알고리즘인 dark channel prior 방법[1이에 대해 간략히 소개하도록 한다. Dark channel prior 방법은 간단한 관측에서부터 시작된다.
가설 설정
- Fattale [9]에서 영상의 반사율을 측정하고, 일정 지역 내에서 측정된 반사율은 항상 같은 벡터 방향을 갖는다는 가정을 통하여 안개를 제거하고 영상을 복원하는 알고리즘을 제안하였다. 깨끗한 이미지의 영상 J는 안개가 낀 영상에서 일정한 반사율을 가지는 상수 벡터 R의 Z(x) 배라고 둘 수 있다.
- Kopf 등⑹ 은 카메라에 내장된 GPS와 같은 정보를 이용하여 촬영하는 즉시 깊이나 텍스쳐 정보를 획득한다. 획득된 깊이 정보는 안개 값의 농도(밀도)로 가정하여, 영상의 안개를 제거한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.